009 · 把第二大腦變成研究記憶系統
示範怎麼用純檔案加 index.yaml，把雜亂的第二大腦變成 agent 能查詢、會持續進化的知識庫。
原標題：Turn 10,994 Notes Into Memory - Paul Iusztin, Decoding AI & Louis-François Bouchard, Towards AI
重點摘要
- 第二大腦太亂太難用Paul 每個月新增約 250 篇筆記，分散在 Obsidian、Readwise、Notion、Google Drive，真正要用的時候常常找不到、也記不得自己寫過什麼。
- 不是不用 agent，是缺一層系統直接把資料丟給 Codex 或 NotebookLM 這類工具能用，但每次開新對話都得重新貼一次來源，agent 也沒有跨專案、跨時間持續累積的記憶。
- 三個版本一路加複雜度第一版只用 golden links 跑 deep research、產出一份靜態 research.md；第二版把同一套演算法改成對準自己的 second brain，不用再手動找連結；第三版才加上會持續更新的 wiki 層。
- 純檔案取代資料庫整套系統不用向量資料庫或知識圖譜，只靠一個 index.yaml 當索引，指向 raw（原始資料）與 wiki（LLM 整理出的比較、概念、實體筆記）兩個資料夾。
- 查詢會省 token，也會留下痕跡agent 先看 index 摘要，不夠才展開 wiki 衍生頁，最後才讀原始全文；每一次提問也都會被記錄下來，讓 wiki 隨著使用不斷長出新內容。
- 刻意不做成產品整套 AI Research OS 開源釋出，包成 Claude Code plugin，但兩人坦言還缺 Google Drive、Notion 等 connector，因為目的是教學，不是打磨一個好用的 UI。
時間軸
時碼點下去會跳到影片的那一段。
| 時碼 | 段落 | 重點 |
|---|---|---|
| 00:00 | 開場困境 | Paul Iusztin 自我介紹，說明第二大腦筆記爆量卻很難在需要時找到有用內容。 |
| 02:05 | 換手自我介紹 | Louis-François Bouchard 接棒自我介紹，說明想讓多年累積的研究筆記被更好運用。 |
| 03:31 | 先分工具再談系統 | 快速問題直接問 ChatGPT 或 Claude 就好，只有大型、會持續累積的專案才值得建專屬研究系統。 |
| 05:37 | 既有工具的侷限 | NotebookLM 好用但資料不算自己的、也不是 agent-native，寫程式相關任務又弱；向量資料庫 RAG 則需要額外基礎建設，難用手動檢視。 |
| 08:48 | 核心觀察 | 對 agent 來說，context window 得同時當資料庫、檔案系統與記憶，對話一結束就全部歸零。 |
| 12:48 | 為何一路疊代三版 | 兩人交代這套系統原本只是為了做課程教材，後來因為想要更多才不斷加複雜度。 |
| 13:04 | 第一版：golden links | 輸入主題與人工整理的 golden links，跑 deep research 演算法產出一份靜態 research.md，用在課程的 35 堂課裡。 |
| 15:37 | 第二版：對準第二大腦 | 把同一套 deep research 演算法改成對準自己的 Obsidian、Readwise、NotebookLM，不用再手動找 golden links。 |
| 18:19 | 第三版：加上 wiki 層 | research.md 是死的，改一次要整個重跑很貴，於是在上面加一層會持續更新的 wiki 知識庫。 |
| 20:07 | index.yaml 當入口 | 不用資料庫，全部靠一個 index.yaml 目錄檔記錄所有來源與 wiki 衍生頁的摘要、metadata。 |
| 22:50 | 查詢分層省 token | agent 先看 index 摘要，不夠再展開 wiki 衍生頁，真的需要才回頭讀原始全文。 |
| 24:07 | wiki 會自己長大 | 每次提問都會被記錄成軌跡，wiki 不只靠灌入新資料成長，光是被問問題就會持續進化。 |
| 27:42 | Demo 1：吃 Obsidian 草稿 | 拿一篇還沒寫完的文章草稿跑 research skill，示範 light、fast、deep 三種深度可以怎麼選。 |
| 31:59 | Demo 2：直接吃原始碼 | 不跑 deep research，直接把幾個開源專案的程式碼餵進去，依 permission flow、記憶系統等主題產生逐專案筆記與跨專案比較。 |
| 36:46 | 還很粗糙，但故意的 | 坦言還缺 Google Drive、Notion 等 connector，且刻意不做成有 UI 的產品，因為目的是教記憶與 context 管理。 |
值得記的話
名詞與人物
| Paul Iusztin | 講者之一，Decoding AI 創辦人暨執行長，主要教怎麼把 AI 產品做上線。 |
|---|---|
| Louis-François Bouchard | 講者之一，Towards AI 共同創辦人暨技術長，也是 YouTube 頻道 What's AI 的創辦人。 |
| AI Research OS | 兩人開源釋出的 repository，把這場示範的技能包成 Claude Code plugin。 |
| index.yaml | 整套系統的入口目錄檔，記錄所有來源與 wiki 衍生頁的摘要與 metadata。 |
| Obsidian | Paul 存放筆記的本機 markdown 工具，在這套系統裡是不可變動的原始筆記快照。 |
| PARA 方法 | 用 Projects、Areas、Resources、Archive 分類筆記的方法，講者說是 Tiago 提出的。 |
| Bright Data | 被提到可以用來爬任意單頁應用網站的服務，講者沒有展開細節。 |
延伸
- Demo 2 直接吃三個開源專案的原始碼，產生跨專案比較，但沒有細講怎麼接進其他 harness。
- Bright Data 只被點名可以拿來爬任意單頁應用網站，沒有進一步說明用法。
- 提到有一門叫 Agent Engineering 的課程，大約 60 小時，最終專案就是打造一套類似的多 agent 深度研究系統，只點名沒有展開內容。